JP4747122B2 - 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム - Google Patents

Description

本発明は特定領域自動抽出システム、特定領域自動抽出方法、および、プログラムに関し、特に、上空から撮影した画像中の緑植生領域を抽出する特定領域自動抽出システム、特定領域自動抽出方法、および、プログラムに関する。

従来、例えば航空写真などからの緑植生の抽出は、画像の各ピクセルから抽出される色情報をＲ「赤」、Ｇ「緑」、Ｂ「青」として、値の大きさがＧ＞Ｒ、Ｂである部分を緑部分としていた（例えば、特許文献１参照）。

特開２００１−１４２３９３

従来の緑部分の抽出方法は、各ピクセルの色情報をＲ、Ｇ、Ｂとして、Ｇ＞Ｒ、Ｂの部分を抽出するものであり、このような従来の方法では、抽出結果としてはすべての緑部分ではなくＧ＞Ｒ、Ｂである灰色などの部分も含まれるという問題があった。さらに緑色の屋上（例えば緑の塗料を塗った屋根）や緑色の海面などの植生ではない部分の誤抽出も含まれるという問題があった。

本発明の目的は、所望の特定領域としての条件の一部には合致しているが、目的の特定領域ではない領域であるところのノイズ領域を除去することで、特定領域を正しく抽出することを可能とする特定領域自動抽出方法、および、特定領域自動抽出プログラムを提供することにある。

本発明の第１の特定領域自動抽出システムは、画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いた色解析により、画像の中の特定領域候補を抽出し、前記画像の領域に対応する表面高さ情報と基準面高さ情報に基づいて、前記特定領域候補からノイズ領域を検出し、除去することで特定領域を抽出する手段を有する。

本発明の第２の特定領域自動抽出システムは、前記第１の特定領域自動抽出システムに於いて、前記特定領域候補の抽出は、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出するものである。

本発明の第３の特定領域自動抽出システムは、前記第１、または、第２の特定領域自動抽出システムに於いて、前記基準面高さ情報は、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出するものである。

本発明の第４の特定領域自動抽出システムは、前記第１乃至第３のいづれかに特定領域自動抽出システムに於いて、前記ノイズ領域の検出は、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断することによるものである。

本発明の第５の特定領域自動抽出システムは、前記第１乃至第４のいずれかに特定領域自動抽出システムに於いて、前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、オブジェクトノイズ領域を検出し、除去する。

本発明の第６の特定領域自動抽出システムは、前記第５の特定領域自動抽出システムに於いて、前記オブジェクトの抽出は、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換することによるものである。

本発明の第７の特定領域自動抽出システムは、前記第５、または、第６の特定領域自動抽出システムに於いて、前記輪郭は、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出することで、直線を有するという特徴を持つ。

本発明の第８の特定領域自動抽出システムは、前記第１乃至第７のいずれかに特定領域自動抽出システムに於いて、前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類する手段を有する。

本発明の第９の特定領域自動抽出システムは、前記第１乃至第８のいずれかに特定領域自動抽出システムに於いて、表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出する手段を有する。

本発明の第１の特定領域自動抽出方法は、情報処理装置が、画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いた色解析により、画像の中の特定領域候補を抽出し、前記画像の領域に対応する表面高さ情報と基準面高さ情報に基づいて、前記特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域を検出し、除去することで特定領域を抽出する。

本発明の第２の特定領域自動抽出方法は、前記第１の特定領域自動抽出方法に於いて、前記特定領域候補の抽出は、情報処理装置が、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出するものである。

本発明の第３の特定領域自動抽出方法は、前記第１、または、第２の特定領域自動抽出方法に於いて、前記基準面高さ情報は、情報処理装置が、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出するものである。

本発明の第４の特定領域自動抽出方法は、前記第１乃至第３のいずれかに特定領域自動抽出方法に於いて、前記ノイズ領域の検出は、情報処理装置が、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断することによるものである。

本発明の第５の特定領域自動抽出方法は、前記第１乃至第４のいずれかに特定領域自動抽出方法に於いて、情報処理装置が、前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、前記領域を検出し、除去する。

本発明の第６の特定領域自動抽出方法は、前記第５の特定領域自動抽出方法に於いて、前記オブジェクトの抽出は、情報処理装置が、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換することによるものである。

本発明の第７の特定領域自動抽出方法は、前記第５、または、第６の特定領域自動抽出方法に於いて、前記輪郭は、情報処理装置が、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出することで、直線を有するという特徴を持つ。

本発明の第８の特定領域自動抽出方法は、前記第１乃至第７のいずれかに特定領域自動抽出方法に於いて、情報処理装置が、前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類する。

本発明の第９の特定領域自動抽出方法は、前記第１乃至第８のいずれかに特定領域自動抽出方法に於いて、情報処理装置が、表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出する。

本発明の第１のプログラムは、情報処理装置に、画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いた色解析により、画像の中の特定領域候補を抽出し、前記画像の領域に対応する表面高さ情報と基準面高さ情報に基づいて、前記特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域を検出し、除去することで特定領域を抽出する処理を行わせる。

本発明の第２のプログラムは、前記第１のプログラムに於いて、前記特定領域候補の抽出は、情報処理装置に、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出する処理を行わせるものである。

本発明の第３のプログラムは、前記第１、または、第２のプログラムに於いて、前記基準面高さ情報は、情報処理装置に、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出する処理を行わせるものである。

本発明の第４のプログラムは、前記第１乃至第３のいずれかにプログラムに於いて、前記ノイズ領域の検出は、情報処理装置に、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断する処理を行わせることによるものである。

本発明の第５のプログラムは、前記第１乃至第４のいずれかにプログラムに於いて、情報処理装置に、前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、前記ノイズ領域を検出し、除去する処理を行わせる。

本発明の第６のプログラムは、前記第５のプログラムに於いて、前記オブジェクトの抽出は、情報処理装置に、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換する処理を行わせることによるものである。

本発明の第７のプログラムは、前記第５、または、第６のプログラムに於いて、前記輪郭は、情報処理装置に、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出する処理を行わせることで、直線を有するという特徴を持つ。

本発明の第８のプログラムは、前記第１乃至第７のいずれかにプログラムに於いて、情報処理装置に、前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類する処理を行わせる。

本発明の第９のプログラムは、前記第１乃至第８のいずれかにプログラムに於いて、情報処理装置に、表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出する処理を行わせる。

本発明によれば、画像の特定領域を正確に抽出することが可能になる。その理由は、画像に対して、特定色範囲を設定した色解析により画像中の特定領域候補を抽出し、当該画像の表面高さ情報と基準面高さ情報に基づいて、抽出した特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域を検出し、除去することができるようにしたためである。

次に、本発明について図面を参照して詳細に説明する。

尚、本発明において、表面高さ情報、基準面高さ情報、メッシュデータ、ピクセル、オブジェクト、表色系の用語は、以下の意味で用いる。

表面高さ情報は、ＤＳＭ（Ｄｉｇｉｔａｌ Ｓｕｒｆａｃｅ Ｍｏｄｅｌ）とも表記する。表面高さ情報は、例えば地表面の場合ならば、図４にＤＳＭとして示すように建物などの土地上に存在する草木や建物などを含めた表面の高さを格納したものである。これは、特許番号第００３０２７９９５号に記載された３ラインセンサなどを利用して求めた各ピクセルの表面高さ情報（ＤＳＭ）が格納されているものである。

基準面高さ情報は、例えば地表面の場合、図４にＤＥＭとして示すように建物などの土地上に存在する草木や建物などを含まない地面の高さ、すなわち標高の情報である。以下では、地表面に対する処理を例に説明しているため、以後は基準面高さ情報を地面高さ情報と表現して記載する。

地面高さ情報は、ＤＥＭ（Ｄｉｇｉｔａｌ Ｅｌｅｖａｔｉｏｎ Ｍｏｄｅｌ）とも表記する。地面高さ情報は、メッシュデータに格納されている標高情報の疎な（点間に隙間がある）部分を計算値により埋めて、各ピクセルの連続的な地面の高さを格納したものである。メッシュデータとは、緯度・経度・標高を格納した点群データである。本実施の形態では、市販されているメッシュデータの利用を想定している。図４は、基準面高さ情報である地面高さ情報と、表面高さ情報の関係を模式的に表したものである。

ピクセルは、画素とも呼ばれる。ピクセルは、画像を構成する単位であり、色、明度、彩度等の画像表示情報を持った点である。本発明では、画像表示情報以外の情報も対応付けて、例えば、あるピクセルの位置の地面高さを表す情報を「ピクセルの地面高さ情報」と表現をする。

表色系は、人間の目に見える色を表現する体系であり、客観的・定量的な混色系のＲＧＢ色系（ＲＧＢ表色系）、ＨＳＢ色系（ＨＳＢ表色系）、ＸＹＺ表色系、Ｌａｂ色系（Ｌ＊ａ＊ｂ表色系）などと、主観的・定性的な顕色系のマンセル表色系、ＰＣＣＳなどとがある。

特定色範囲は、ある表色系で表される特定の色の範囲であり、例えば、緑植生の「緑」を定義する当該表色系の各要素の分量の値の範囲である。

色解析は、ある表色系の各要素の分量の値の範囲を設定して特定色範囲とし、画像中の特定色範囲の部分を抽出することである。

ノイズ領域は、特定色範囲の色を有するが、抽出しようとしている特定領域ではない部分を示す。たとえば、緑植生が抽出しようとしている特定領域であれば、緑植生の特定色範囲である緑色に塗られた地面、緑色の海面、屋根などの緑色のオブジェクトなどである。

オブジェクトは、画像中の特定の色の領域の個々のブロックであり、背景色が黒である二値画像であれば、白色の領域の個々のブロックである。

図１を参照すると、本発明の第１の実施の形態は、処理の対象となる航空写真、もしくは、衛星写真等の画像の情報を図示しない手段から入力し、表面高さ情報（ＤＳＭ）と、メッシュデータをＤＢ手段２００から入力する入力手段１００と、メッシュデータと、表面高さ情報（ＤＳＭ）を格納したＤＢ手段２００と、ＨＳＢ色系とＬａｂ色系とによる色解析を用いて、画像の特定の色の領域を抽出する候補抽出手段３００と、メッシュデータから地面高さ情報（ＤＥＭ）を算出し、当該算出した地面高さ情報（ＤＥＭ）と、表面高さ情報（ＤＳＭ）とに基づいて地面のノイズを除去する地面処理手段４００と、当該画像内のオブジェクトを抽出し、当該オブジェクトから輪郭を抽出し、当該輪郭から直線を抽出し、当該直線を含む輪郭を抽出し、当該輪郭を含むオブジェクトを建物の屋上として抽出し、当該建物の屋上をノイズとして除去する建物処理手段５００と、処理結果として得た緑植生を図示しない手段に出力する出力手段１１０とから構成されている。

図２は、候補抽出手段３００の処理を示すフローチャートである。

候補抽出手段３００は、入力手段１００から画像の情報を受け取る（ステップＳ３０１）。

次に候補抽出手段３００は、当該画像の情報から各ピクセルのＲＧＢ色系のＲ、Ｇ、Ｂのそれぞれの値を取得し（ステップＳ３０２）、ＲＧＢ色系をＨＳＢ色系に変換する（ステップＳ３０３）。ＲＧＢ色系をＨＳＢ色系に変換する計算式は以下の式１の通りである。

次に候補抽出手段３００は、すべてのピクセルのＨＳＢ色系のＨ、Ｓ、Ｂ値から、平均的なＨ、Ｓ、Ｂ値を算出し、あらかじめ定められた基準に基づき、平均的なＨ、Ｓ、Ｂ値を用いて、画像に対する全般的な色モデル（例えば、緑っぽい、黒っぽい、明るい等）を設定する（ステップＳ３０４）。

次に候補抽出手段３００は、あらかじめ定められた色モデルに対応した基準に基づきＨＳＢ色系のＨ、Ｓ、Ｂ値の範囲をそれぞれ設定することで、緑色の範囲を暫定的に設定する（ステップＳ３０５）。

次に候補抽出手段３００は、ＲＧＢ色系をＬａｂ色系に変換する（ステップＳ３０６）。ＲＧＢ色系をＬａｂ色系に変更する計算式は以下の式２の通りである。

次に候補抽出手段３００は、あらかじめ定められた色モデルに対応した基準に基づき、Ｌａｂ色系による各モデルのＬ、ａ、ｂの値の範囲をそれぞれ設定し、ステップ３０５で暫定的に設定した緑色の範囲として誤りやすいところ（例えば、緑色と黄色が隣り合った部分、緑色と青色が隣り合った部分など）を除去することで、ステップＳ３０５の結果を補正する（ステップＳ３０７）。こうして候補抽出手段３００は、抽出した緑植生候補を、図７に示す緑植生データ記憶部７１０に「状態１：緑植生候補（図１６参照）」として格納する（ステップＳ３０８）。

図３は、地面処理手段４００の処理を示すフローチャートである。

まず、高さ情報処理部４１０は、入力手段１００からメッシュデータを受け取る（ステップＳ４０１）。そして、高さ情報処理部４１０は、当該メッシュデータに基づき、各ピクセルに対応する点の地面高さを計算し、連続的な値で埋めた地面高さ情報（ＤＥＭ）を算出し、図８に示すＤＥＭ記憶部７２０に「地面高さ情報（図１９参照）」として格納する（ステップＳ４０２）。計算方法は、例えば、ｌｉｎｅａｒ ｉｎｔｅｒｐｏｌａｔｉｏｎ（直線補間）法を用いればよい。この方法は、隣り合う二点の直線上の各点の高さ情報を求めるために、既存の隣り合う二点の高さ情報と各点から既存点までの長さの割合を用いて各点の高さ情報を計算するものである。

次に、地面ノイズ除去部４２０は、図８に示すＤＥＭ記憶部７２０の「地面高さ情報」を参照し（ステップＳ４０３）、入力手段１００から表面高さ情報（ＤＳＭ）を受け取り（ステップＳ４０４）、図７に示す緑植生データ記憶部７１０の「状態１：緑植生候補（図１６参照）」を参照し（ステップＳ４０５）、当該緑植生候補中の地面部分と海面部分を除去する（ステップＳ４０６）。

地面部分と海面部分の判断方法は、地面高さ情報（ＤＥＭ）と表面高さ情報（ＤＳＭ）の差に対して、あらかじめ定められた、以下の式３で示される閾値による。

そして地面ノイズ除去部４２０は、地面の緑色の道路、および、緑色の海面などのノイズのない修正した緑植生候補を、図７に示す緑植生データ記憶部７１０に「状態２：修正した緑植生候補（図１７参照）」として格納する（ステップＳ４０７）。

図５は、建物処理手段５００の処理を示すフローチャートである。

グレイスケール処理部５１０は、入力手段１００から画像の情報を受け取る（ステップＳ５０１）。そして、グレイスケール処理部５１０は、カラーの画像を変換してＧｒａｙ Ｓｃａｌｅ図を生成し、図９に示すＧｒａｙ Ｓｃａｌｅ図記憶部７４０に「Ｇｒａｙ Ｓｃａｌｅ図（図２０参照）」として格納する（ステップＳ５０２）。変換の計算式は、以下の式４の通りである。

次に、オブジェクト抽出処理部５２０は、ＯＴＳＵ法により適切な二値変化の閾値を算出する。そしてオブジェクト抽出処理部５２０は、当該閾値に基づいてステップＳ５０２で生成したＧｒａｙ Ｓｃａｌｅ図を、背景を黒いピクセルとして、白いピクセルがブロック状となったオブジェクト群を有する二値図に変換する。そして、オブジェクト抽出処理部５２０は、当該オブジェクト群を四分法により分割して個々のオブジェクトを生成する、図１０に示す二値図記憶部７５０に「状態１：Ｏｂｊｅｃｔ（図２１参照）」として格納する（ステップＳ５０３）。

次に、オブジェクト抽出処理部５２０は、ステップ５０３で生成したオブジェクトを、図１１に示すオブジェクト記憶部７５１にｉｎｄｅｘ（インデックス）を付与して登録する（ステップＳ５０４）。ｉｎｄｅｘとは、例えばあるオブジェクトを識別する名称であり、『オブジェクト［１］』は、［１］というｉｎｄｅｘを属性として対応付けられたオブジェクトであることを示す。

ＯＴＳＵ法とは、Ｇｒａｙ Ｓｃａｌｅ画像の濃度分布から閾値を決定する方法である。ＯＴＳＵ法では、まず、各輝度におけるヒストグラムを作成し、ヒストグラムの各要素を画像サイズで除算して正規化ヒストグラム(濃度の確率分布)を作成する。次に、ある輝度のピクセル数の割合を求め、最小輝度から最大輝度までの間で最大のクラス内分散を求めることで適切な閾値を計算するものである。

参考文献として、「Ｎｏｂｕｙｕｋｉ Ｏｔｓｕ： ”Ａ Ｔｈｒｅｓｈｏｌｄ Ｓｅｌｅｃｔｉｏｎ Ｍｅｔｈｏｄ ｆｒｏｍ Ｇｒａｙ−Ｌｅｖｅｌ Ｈｉｓｔｏｇｒａｍｓ、” ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ、 Ｍａｎ、 ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ、 Ｖｏｌ．ＳＭＣ−９、 Ｎｏ．１、 ｐｐ．６２−６６ （１９７９−０１）」、及び、「大津展之： ”判別および最小２乗規準に基づく自動しきい値選定法”、 電子通信学会論文誌（Ｄ）、 Ｖｏｌ．６３−Ｄ、 Ｎｏ．４、 ｐｐ．３４９−３５６ （１９８０−０４））」で示されるものがある。

四分法の登録方法とは、基本的には抽出したオブジェクト群を同じ属性値（ここでは明度）を持つブロック毎にｉｎｄｅｘ値を設定して、個々のブロックとして識別可能なように分割することであり、具体的には下記（ａ）から（ｅ）までのとおりである。（ａ）本点（ｘ、ｙ）を囲む２ｘ２というサイズの窓口（合わせて四つのピクセル）を設定し、隣の３点はそれぞれ縦（ｘ、ｙ−１）、横（ｘ−１、ｙ）、斜め（ｘ−１、ｙ−１）となる。（ｂ）本点と縦横二点の明度をそれぞれ『ｐｉｘｅｌ［０］』、『ｐｉｘｅｌ［１］』、『ｐｉｘｅｌ［２］』として取得し、『オブジェクト』というｉｎｄｅｘ名の『オブジェクト［０］』、『オブジェクト［１］』』、『オブジェクト［２］』を抽出する。（ｃ）本点と縦横二点の明度の勾配を求める（例えば勾配をＳａ＊＊とすると、Ｓａ０１＝ａｂｓ（『ｐｉｘｅｌ［１］』−『ｐｉｘｅｌ［０］』）；Ｓａ０２＝ａｂｓ（『ｐｉｘｅｌ［２］』−『ｐｉｘｅｌ［０］』）； Ｓａ２１＝ａｂｓ（『ｐｉｘｅｌ［２］』−『ｐｉｘｅｌ［１］』））。（ｄ）明度の勾配と画面上の明度勾配閾値『ｐｉｘｅｌＴｈｅ』による本点のＬａｂｅｌ値を判断する。例えば、Ｓａ０１＞『ｐｉｘｅｌＴｈｅ』 かつ Ｓａ０２＞『ｐｉｘｅｌＴｈｅ』の場合は『Ｌａｂｅｌ［０］』そのままとなり、Ｓａ０１＞『ｐｉｘｅｌＴｈｅ』 かつＳａ０２＜『ｐｉｘｅｌＴｈｅ』の場合は『Ｌａｂｅｌ［０］』＝『Ｌａｂｅｌ［２］』となり、Ｓａ０１＜『ｐｉｘｅｌＴｈｅかつＳａ０２＞『ｐｉｘｅｌＴｈｅ』の場合は『Ｌａｂｅｌ［０］』＝『Ｌａｂｅｌ［１］』となり、Ｓａ０１＜『ｐｉｘｅｌＴｈｅ』かつＳａ０２＜『ｐｉｘｅｌＴｈｅ』の場合は『Ｌａｂｅｌ［０］』＝ｍｉｎ｛『Ｌａｂｅｌ［１］』、『Ｌａｂｅｌ［２］』｝となる。（ｅ）上記により求めた本点のＬａｂｅｌ値により、当該ピクセルのＬａｂｅｌ値を設定し直す。結果としては、同じＬａｂｅｌでは同じｉｎｄｅｘ値を持つ。

次に、輪郭抽出処理部５３０は、Ｓｏｂｅｌエッジ検出方法用いて、図１０に示す二値図記憶部７５０の「状態１：Ｏｂｊｅｃｔ（図２１参照）」から、ステップ５０３で生成したオブジェクトの輪郭を抽出し（ステップＳ５０５）、図１２に示す輪郭図記憶部７６０に「輪郭図（図２４参照）」として格納する。そして、輪郭抽出処理部５３０は、当該輪郭にｉｎｄｅｘ値を付与して、図１３に示す輪郭記憶部７６１に登録する（ステップＳ５０６）。

尚、一般のＳｏｂｅｌフィルタでは３ｘ３というモデル窓口でピクセルを水平方向と垂直方向に一つずつ畳み込み積分処理するものであるが、既存の０度方向（水平）と９０度方向（垂直）だけの処理に加え、斜めの輪郭も抽出できるように４５度と１３５度方向にも処理する。

次に、建物の輪郭は直線の部分を持っているという仮定により、最終的に建物を抽出するために、建物の輪郭に含まれる直線を抽出する。

直線抽出処理部５４０は、Ｈｏｕｇｈ変換と最小二乗法などの直線検出方法により輪郭に存在する直線を抽出し（ステップＳ５０７）、図１４に示す直線図記憶部７７０に「直線図（図２６参照）」として格納する。そして、直線抽出処理部５４０は、当該直線にｉｎｄｅｘ値を付与して、図１５に示す直線記憶部７７１に登録する（ステップＳ５０８）。

Ｈｏｕｇｈ変換は、画像から直線を検出する一般的な技法である。ρ＝ｘＣｏｓ（θ）＋ｙＳｉｎ(θ)という式による直交座標（ｘ、ｙ）上の画像を、極座標の二次元空間（角度θと距離ρ）に変換して、その個数をメモリー配列上に加算し（Ａｃｃｕｍｕｌａｔｏｒ ＣｅｌｌやＶｏｔｉｎｇ Ｃｅｌｌなどの呼び方がある）、個数が最大になった極座標（角度θ、距離ρ）を元の直角座標に戻し、最も直線らしい点を集まり、個数を下げてゆくと、次の直線候補が順次得られる。

最小二乗法は、実験数値（ｘ、ｙ）の組を、適当なモデルから想定される一次関数、対数曲線など特定の関数を用いて近似するときに、想定する関数が実験数値に対してよい近似となるように、誤差（残差）の二乗和を最小とするような係数を決定する方法である。ただし、上記のＨｏｕｇｈ変換の角度θと距離ρを細かく分けると、精度が上がるが、計算時間と必要なメモリー容量も増えてしまう。スピードと精度向上のため、Ｈｏｕｇｈ変換と最小二乗法と合わせて、角度θの間隔（少し広く、本発明の例は２度）と距離ρの間隔（少し広く、本発明の例は５０ピクセル）を設定してＨｏｕｇｈ変換することで得られた直線の候補点を最小二乗法の入力データとする。

直線割当処理部５５０は、図１５に示す直線記憶部７７１に登録された直線に対応している輪郭とオブジェクトを抽出する。直線割当処理とは、一つの直線が複数の輪郭に共通に含まれる時に、当該直線がいずれのオブジェクトの輪郭に割り当てられるかを判定することである。

直線割当処理部５５０は、直線と同じｉｎｄｅｘ値を持つ輪郭を探すことにより、当該直線を含んでいる輪郭を抽出する（ステップＳ５０９）。次に、直線割当処理部５５０は、ステップ５０９で抽出した輪郭に対応するオブジェクトを建物として抽出し、図１０に示す二値図記憶部７５０に「状態２：建物（図２２参照）」として格納する（ステップＳ５１０）。

図６はステップＳ５０９の処理をさらに詳細に示したフローチャートである。まず、直線割当処理部５５０は、抽出された各直線を順次選択し（ステップＳ６０１）、輪郭を順次走査してｉｎｄｅｘ値を比較する（ステップＳ６０２）。そして、直線割当処理部５５０は、選択した直線のｉｎｄｅｘ値と走査している輪郭のｉｎｄｅｘ値が同じであるか否かを判断する（ステップＳ６０３）。そして、直線割当処理部５５０は、ｉｎｄｅｘ値が同一の場合は当該輪郭を、当該直線を含む輪郭として抽出する（ステップＳ６０４）。直線割当処理部５５０は、ｉｎｄｅｘ値が同一でない場合は、ステップＳ６０２に戻る。直線割当処理部５５０は、全ての直線について以上の走査を実行する（ステップＳ６０５）。

ステップＳ５１０において、直線を含む輪郭と同一のｉｎｄｅｘ値を持つオブジェクトを抽出する処理は、上記と同様である。

次に、屋上ノイズ除去部５６０は、図７に示す緑植生データ記憶部７１０に格納された「状態２：修正された緑植生候補（図１７参照）」と図１０に示す二値図記憶部７５０に格納された「状態２：建物（図２２参照）」を座標により重ね合わせて全ピクセル走査し、図７に示す緑植生データ記憶部７１０に格納された「状態２：修正された緑植生候補（図１７参照）」のオブジェクト部分から、図１０に示す二値図記憶部７５０に格納された「状態２：建物（図２２参照）」のオブジェクト部分を削除する（ステップＳ５１１）。屋上ノイズ除去部５６０は、こうして抽出した緑植生を図７に示す緑植生データ記憶部７１０に「状態３：緑植生（図１８参照）」として、格納する（ステップＳ５１２）
次に、図を参照して、本発明の第１の実施の形態の動作について、具体的な実施例を示して詳細に説明する。

まず、候補抽出手段３００により緑植生候補を抽出する動作を図２のフローチャートに従って説明する。

候補抽出手段３００は、入力手段１００が図示しない手段から入力した処理対象領域の２４ｂｉｔカラー型の航空写真の画像の情報を受け取る（ステップＳ３０１）。

そして、候補抽出手段３００は、画像を走査して各ピクセルのＲＧＢ色系のＲ、Ｇ、Ｂ値を取得する（ステップＳ３０２）。

次に、候補抽出手段３００は、ＲＧＢ色系のＲ、Ｇ、Ｂの値『（例）７８、９８、９０』をＨＳＢ色系のＨ、Ｓ、Ｂ値『（例）１５６、０．２０、０．３８』に変換する（ステップＳ３０３）。

次に、候補抽出手段３００は、ステップ３０１で受け取った画像の全ピクセルのＨ、Ｓ、Ｂの平均値Ｈａ、Ｓａ、Ｂａにより当該画像の色モデルを設定する。例えば、『Ｈａ＞１００』、かつ、『Ｂａ＜０．［４］』の場合は、色モデルを『黒っぽい画像』とする。（ステップＳ３０４）
次に、候補抽出手段３００は、当該画像の色モデルに基づいてＨＳＢ色系のＨ、Ｓ、Ｂの範囲『（例）［８０、１６０］、［０．１、０．４］、［０．３、０．６］』を算出することで、当該画像の緑色の範囲を抽出する（ステップＳ３０５）。

また、候補抽出手段３００は、ＲＧＢ色系のＲ、Ｇ、Ｂ値『（例）７８、９８、９０』をＬａｂ色系のＬ、ａ、ｂの値『（例）８２、−６、１』に変換する（ステップＳ３０６）。

次に、候補抽出手段３００は、Ｌａｂの各要素の分量の範囲をそれぞれ設定し『（例）[６０、８０]、[-２５、-１０][-７、１５]』、ステップＳ３０５の結果として抽出した緑色の範囲中の植生ではない部分を削除することで、当該画像を補正する（ステップＳ３０７）。

そして、候補抽出手段３００は、ステップＳ３０７で補正した画像を緑植生候補として抽出（図１６参照）し、図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐに「状態１：緑植生候補（図１６参照）」として格納する（ステップＳ３０８）。

次に、地面処理手段４００により地面のノイズを除去する動作を図３のフローチャートに従って説明する。

高さ情報処理部４１０は、入力手段１００がメッシュデータ記憶部２１０から入力した、処理対象領域の２４ｂｉｔカラー型の航空写真の画像に対応する領域のメッシュデータを受け取る（ステップＳ４０１）。

そして、高さ情報処理部４１０は、ステップ４０１で受け取ったメッシュデータに基づいて地面高さ情報（ＤＥＭ）を算出し、図８に示すＤＥＭ記憶部７２０のｍ＿ＭｅｓｈＡｌｔに格納する（図１９参照、ステップＳ４０２）。

次に、地面ノイズ除去部４２０は、図８に示すＤＥＭ記憶部７２０のｍ＿ＭｅｓｈＡｌｔを参照する（ステップＳ４０３）。また、地面ノイズ除去部４２０は、入力手段１００がＤＳＭ記憶部２２０から入力した、処理対象領域の２４ｂｉｔカラー型の航空写真の画像に対応する領域のＤＳＭ情報を受け取る（ステップＳ４０４）。さらに、地面ノイズ除去部４２０は、ステップ３０８で格納した図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態１：緑植生候補（図１６参照）」を参照する（ステップＳ４０５）。そして、地面ノイズ除去部４２０は、あらかじめ設定された地面の閾値により、それらの緑植生候補からＤＳＭ＝ＤＥＭの部分とＤＥＭ＝０の部分を、緑色の道路および緑色の海面などのノイズとして除去して当該緑植生候補を修正する（図１７参照、ステップＳ４０６）。

そして、地面ノイズ除去部４２０は、修正された緑植生を図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐに「状態２：修正した緑植生候補（図１７参照）」として格納する（ステップＳ４０７）。

次に、建物処理手段５００により建物の屋上のノイズを除去する動作を図５のフローチャートに従って説明する。

グレイスケール処理部５１０は、入力手段１００が図示しない手段から入力した２４ｂｉｔカラー型の航空写真の画像の情報を受け取る（ステップＳ５０１）。

そして、グレイスケール処理部５１０は、処理対象領域の２４ｂｉｔカラー型の航空写真のすべてのピクセルを走査して変換し、Ｇｒａｙ Ｓｃａｌｅ図を生成する、図９に示すＧｒａｙ Ｓｃａｌｅ図記憶部７４０のｍ＿ｐＩｍａｇｅＧｒａｙに「Ｇｒａｙ Ｓｃａｌｅ図（図２０参照）」格納する（ステップＳ５０２）。

次に、オブジェクト抽出処理部５２０は、ステップ５０２で生成したＧｒａｙＳｃａｌｅ図を二値図に変換してオブジェクト群を抽出し、四分法により当該オブジェクト群を分割し、同一のｉｎｄｅｘ値を持つピクセルで構成された個々のオブジェクト（図２３参照）に分割し、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅに「状態１：Ｏｂｊｅｃｔ（図２１参照）」として格納する（ステップＳ５０３）。

そして、オブジェクト抽出処理部５２０は、ステップ５０３で分割されたオブジェクトにオブジェクトというｉｎｄｅｘ名を対応付け、図１１に示すオブジェクト記憶部７５１のｐＬａｂｅｌＩｍａｇｅＥｄｇｅに登録する。例えば、オブジェクト抽出処理部５２０は、当該オブジェクトにそれぞれ『［１］』、『［２］』、『［３］』、『［４］』、『［５］』、『［６］』、『［７］』、『［８］』、『［９］』というｉｎｄｅｘを属性として対応付ける（ステップＳ５０４）。

次に、輪郭抽出処理部５３０は、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅに「状態１：Ｏｂｊｅｃｔ」として格納された二値図から、オブジェクトの『輪郭［１］』、『輪郭［２］』、『輪郭［３］』、『輪郭［４］』、『輪郭［５］』、『輪郭［６］』、『輪郭［７］』、『輪郭［８］』、『輪郭［９］』を抽出し、輪郭図を得る（図２４参照）。そして、輪郭抽出処理部５３０は、当該輪郭図を図１２に示す輪郭図記憶部７６０のｍ＿ｐＬａｂｅｌＬｉｎｅＩｍａｇｅに「輪郭図」として格納する（ステップＳ５０５）。当該輪郭の各ピクセルは、対応するオブジェクトと同じｉｎｄｅｘ値を持っている（図２５参照）。そして、輪郭抽出処理部５３０は、当該輪郭を図１３に示す輪郭記憶部７６１のｐＬａｂｅｌＬｉｎｅに登録する（ステップＳ５０６）。

次に、直線抽出処理部５４０は、図１２に示す輪郭図記憶部７６０のｍ＿ｐＬａｂｅｌＬｉｎｅＩｍａｇｅに格納された輪郭図から直線の部分を抽出し、直線図を得る（図２６参照）。そして、直線抽出処理部５４０は、当該直線図を図１４に示す直線図記憶部７７０のｍ＿ｐＬａｂｅｌＬｉｎｅＳｅｇｍｅｎｔに「直線図（図２６参照）」として格納する（ステップＳ５０７）。当該直線の各ピクセルは、対応する輪郭と同じｉｎｄｅｘ値を持っている（図２７参照）。そして、直線抽出処理部５４０は、当該直線を図１５に示す直線記憶部７７１のｐＬａｂｅｌＩｍａｇｅに登録する（ステップＳ５０８）。即ち、直線のｉｎｄｅｘ値は、直線が付随する輪郭のｉｎｄｅｘ値と同じであり、例えば、『輪郭［１］』、『輪郭［２］』、『輪郭［４］』、『輪郭［７］』が直線を含んでいると、それぞれ検出した直線が『直線１』、『直線２』、『直線４』、『直線７』であれば、『輪郭１』と『直線１』のｉｎｄｅｘ値は同じであり、『輪郭２』と『直線２』、『輪郭３』と『直線３』、『輪郭４』と『直線４』も同様である。

次に、直線割当処理部５５０は、ステップ５０７で抽出した直線と同じｉｎｄｅｘ値をもつ輪郭を探すことにより当該直線を含んでいる輪郭を抽出する（ステップＳ５０９）。

具体的には図２８に示すように、直線割当処理部５５０は、図２８の（ｃ）の図１４に示す直線図記憶部７７０のｍ＿ｐＬａｂｅｌＬｉｎｅＳｅｇｍｅｎｔを基に、図１５に示す直線記憶部７７１のｐＬａｂｅｌＩｍａｇｅ内の直線のｉｎｄｅｘを一つずつ選択する。そして、直線割当処理部５５０は、当該直線のｉｎｄｅｘ値と、図１３に示す輪郭記憶部７６１のｐＬａｂｅｉＬｉｎｅの輪郭のｉｎｄｅｘ値を順次走査して比較して、『輪郭［１］』、『輪郭［２］』、『輪郭［３］』、『輪郭［４］』、『輪郭［５］』、『輪郭［６］』、『輪郭［７］』、『輪郭［８］』、『輪郭［９］』から、『直線［１］』、『直線［２］』、『直線［４］』、『直線［７］』のｉｎｄｅｘと同じｉｎｄｅｘ値を持つ輪郭として『輪郭［１］』、『輪郭［２］』、『輪郭［４］』、『輪郭［７］』を検出する。

次に、直線割当処理部５５０は、上記と同様に、検出した『輪郭［１］』、『輪郭［２］』、『輪郭［４］』、『輪郭［７］』を１つずつ選択し、そのｉｎｄｅｘ値と図１１に示すオブジェクト記憶部７５１のｐＬａｂｅｌＩｍａｇｅＥｄｇｅのオブジェクトのｉｎｄｅｘ値を順次走査して比較する。そして、直線割当処理部５５０は、図２８の（ａ）のように直線を含んでいる『輪郭［１］』、『輪郭［２］』、『輪郭［４］』、『輪郭［７］』のｉｎｄｅｘ値と同じｉｎｄｅｘ値を持つオブジェクトを『オブジェクト［１］』、『オブジェクト［２］』、『オブジェクト［３］』、『オブジェクト［４］』、『オブジェクト［５］』、『オブジェクト［６］』、『オブジェクト［７］』、『オブジェクト［８］』、『オブジェクト［９］』から、『オブジェクト［１］』、『オブジェクト［２］』、『オブジェクト［４］』、『オブジェクト［７］』として検出する。そして、直線割当処理部５５０は、『オブジェクト［１］』、『オブジェクト［２］』、『オブジェクト［４］』、『オブジェクト［７］』を建物として、『建物［１］』、『建物［２］』、『建物［４］』、『建物［７］』を、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅに「状態２：建物（図２２参照）」として格納する。（ステップＳ５１０）
次に、屋上ノイズ除去部５６０は、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅの「状態２：建物（図２２参照）」と、図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態２：修正した緑植生候補（図１７参照）」とを、座標により重ね合わせることにより、「修正した緑植生候補」中の建物（屋上）のノイズを除去する。すなわち、屋上ノイズ除去部５６０は、図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態２：修正した緑植生候補（図１７参照）」から、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅの「状態２：建物」の『建物［１］』、『建物［２］』、『建物［４］』、『建物［７］』の部分を除去する（ステップＳ５１１）。そして、屋上ノイズ除去部５６０は、残った結果を図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐに「状態３：緑植生（図１８参照）」として保存する（ステップＳ５１２）。

以上により本発明の第１の実施の形態の動作が完了する。本発明の第１の実施の形態によれば、任意の航空写真画像あるいは衛星画像等から、地面上の緑に近い部分、緑色の海面、緑色の建物の除去を行なった正確な緑植生抽出結果を取得することができるという効果がある。その理由は、色解析技術により、ＨＳＢ色系とＬａｂ色系とを用いて特定の色範囲を設定することで、画像の緑植生候補を抽出し、表面高さ情報（ＤＳＭ）と、メッシュデータ（格子状の数値標高データ）から得られる地面高さ情報（ＤＥＭ）との間に閾値を設定することにより、の緑植生候補における道路上の緑に近い部分などのノイズを除去し、さらに輪郭から画像中の建物を抽出し、緑植生候補中に存在する緑色の屋上等の建物ノイズを除去し、残る部分を緑植生とするようにしたためである。

次に本発明の第２の実施の形態について図面を参照して詳細に説明する。

図２９は、本発明の第２の実施の形態の構成を示す機能ブロック図である。本発明の第２の実施の形態においては、本発明の第１の実施の形態の構成を示す機能ブロック図である図１に草木分類処理部８００を追加した点が、本発明の第１の実施の形態と異なる。

図３０は、草木分類処理部８００の処理を示すフローチャートである。

草木分類処理部８００は、入力手段１００から表面高さ情報（ＤＳＭ）を受け取り（ステップＳ８０１）、また、図８に示すＤＥＭ記憶部７２０の地面高さ情報（ＤＥＭ）を参照する（ステップＳ８０２）。

そして、草木分類処理部８００は、あらかじめ定められた表面高さ情報（ＤＳＭ）と地面高さ情報（ＤＥＭ）との間の閾値に基づいて、図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態３：緑植生（図１８参照）」を参照し、緑植生中の樹木と草を分類する（ステップＳ８０３）。

そして、草木分類処理部８００は、図３１に示すように結果（縞部分）を区分して出力する（ステップＳ８０４）。

次に、図を参照して、本発明の第２の実施の形態の動作について、具体的な実施例を示して詳細に説明する。本実施例では、第１の実施の形態と異なる草木分類処理部８００の動作について、主に説明する。

草木分類処理部８００は、本発明の第１の実施の形態の屋上ノイズ除去部５６０で検出した緑植生の最終結果である図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態３：緑植生（図１８参照）」をもとに、メッシュデータから求めた地面高さ情報（ＤＥＭ）とＤＢ手段２００の表面高さ情報（ＤＳＭ）とから、分類高さ閾値として０．５ｍを設定することで樹木と草を分類する。

例えば、草木分類処理部８００は、図７に示す緑植生データ記憶部７１０のｍ＿ｐＩｍａｇｅＤｓｐの「状態３：緑植生（図１８参照）」の各ピクセルに対応する表面高さ情報（ＤＳＭ）の各ピクセルを一つずつ走査し、０ｍ以上０．５ｍ未満の値を持っていれば草として抽出し、０．５ｍ以上の値を持っていれば樹木として抽出する。結果としては図３１に示すように、縞部の縦の分が樹木、縞部の横の分が草である。

本発明の第２の実施の形態によれば、地面高さ情報（ＤＥＭ）と表面高さ情報（ＤＳＭ）との差について樹木と草の分類の閾値（例えば０．５ｍ）を設定し、当該設定に基づき、草、または、樹木の部分を抽出するようにしたことにより、樹木と草との分類を行なうことができるという効果を有している。

次に本発明の第３の実施の形態について図面を参照して詳細に説明する。

図３２を参照すると、本発明の第３の実施の形態は、本発明の第１の実施の形態における入力手段１００と、ＤＢ手段２００と、高さ情報処理部４１０と、グレイスケール処理部５１０と、オブジェクト抽出処理部５２０と、ＤＥＭ記憶部７２０とＧｒａｙ Ｓｃａｌｅ図記憶部７４０と、二値図記憶部７５０と出力手段１１０とを有し、さらに、道路検出部９１０とから構成されている。

図３３は、道路検出部９１０の処理を示すフローチャートである。

道路検出部９１０は、入力手段１００から表面高さ情報（ＤＳＭ）を受け取り（ステップＳ９０１）、また、図８に示すＤＥＭ記憶部７２０の地面高さ情報（ＤＥＭ）を参照する（ステップＳ９０２）。

さらに、道路検出部９１０は、図１０に示す二値図記憶部７５０の「状態１：Ｏｂｊｅｃｔ（図２１参照）」を参照する（ステップＳ９０３）。

そして、道路検出部９１０は、あらかじめ定められた閾値に基づいて道路部分を検出する（ステップＳ９０４）。

次に、図を参照して、本発明の第３の実施の形態の動作について、具体的な実施例を示して詳細に説明する。本実施例では、第１の実施の形態と異なる道路検出部９１０の動作について、主に説明する。

道路検出部９１０は、入力手段１００から表面高さ情報（ＤＳＭ）を受け取り（ステップＳ９０１）、また、図８に示すＤＥＭ記憶部７２０のｍ＿ＭｅｓｈＡｌｔの地面高さ情報（ＤＥＭ）を参照する（ステップＳ９０２）。さらに、道路検出部９１０は、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅの「状態１：Ｏｂｊｅｃｔ（図２１参照）」を参照する（ステップＳ９０３）。

そして、地面高さ情報（ＤＥＭ）と表面高さ情報（ＤＳＭ）の差分閾値として『０ｍ』が、設定されているものとする。

次に、道路検出部９１０は、図１０に示す二値図記憶部７５０のｍ＿ｐＩｍａｇｅＥｄｇｅの「状態１：Ｏｂｊｅｃｔ（図２１参照）」をもとに、差分閾値に基づいて、表面高さと地面高さの差がゼロで、色が黒い部分を道路部分として抽出する（図３４参照、ステップＳ９０４）。

本発明の第３の実施の形態によれば、地面高さ情報（ＤＥＭ）と表面高さ情報（ＤＳＭ）との差について設定された道路の閾値（例えば０ｍ）と、色彩に基づき、道路部分を抽出するようにしたことにより、道路とそれ以外の部分の分類を行なうことができるという効果を有している。

都市計画、緑化計画業務、あるいは道路地図作製に必要な特定領域を分類した画像の作成に利用できる。

また、落ちているゴミを検出して、収集する自動機械や、鉄道線路、高速道路等の異物発見装置などにも容易に適用出来る。

本発明の第１の実施の形態の構成を示すブロック図である。 本発明の第１および第２の実施の形態における候補抽出手段３００の処理を示すフローチャートである。 本発明の第１および第２の実施の形態における地面処理手段４００の処理を示すフローチャートである。 本発明の第１、第２、および、第３の実施の形態における地面高さデータ（ＤＥＭ）と表面高さ情報（ＤＳＭ）との関係を説明する図である。 本発明の第１および第２の実施の形態における建物処理手段５００の処理を示すフローチャートである。 本発明の第１および第２の実施の形態における同じｉｎｄｅｘの輪郭と直線を探す処理を示すフローチャートである。 本発明の第１および第２の実施の形態における緑植生データ記憶部７１０の構造を示す図である。 本発明の第１、第２、および、第３の実施の形態におけるＤＥＭ記憶部７２０の構造を示す図である。 本発明の第１、第２、および、第３の実施の形態におけるＧｒａｙ Ｓｃａｌｅ図記憶部７４０の構造を示す図である。 本発明の第１、第２、および、第３の実施の形態における二値図記憶部７５０の構造を示す図である。 本発明の第１および第２の実施の形態におけるオブジェクト記憶部７５１の構造を示す図である。 本発明の第１および第２の実施の形態における輪郭図記憶部７６０の構造を示す図である。 本発明の第１および第２の実施の形態における輪郭記憶部７６１の構造を示す図である。 本発明の第１および第２の実施の形態における直線図記憶部７７０の構造を示す図である。 本発明の第１および第２の実施の形態における直線記憶部７７１の構造を示す図である。 本発明の第１および第２の実施の形態における緑植生データの状態１：緑植生候補の例である。 本発明の第１および第２の実施の形態における緑植生データの状態２：修正した緑植生候補の例である。 本発明の第１および第２の実施の形態における緑植生データの状態３：緑植生の例である。 本発明の第１、第２、および、第３の実施の形態における地面高さ情報イメージである。 本発明の第１、第２、および、第３の実施の形態におけるＧｒａｙ Ｓｃａｌｅ図の例である。 本発明の第１、第２、および、第３の実施の形態における二値図の状態１：Ｏｂｊｅｃｔの例である。 本発明の第１および第２の実施の形態における二値図の状態２：建物の例である。 本発明の第１および第２の実施の形態におけるインデックス値を付与されたＯｂｊｅｃｔの模式図である。 本発明の第１および第２の実施の形態における輪郭図の例である。 本発明の第１および第２の実施の形態におけるインデックス値を付与された輪郭の模式図である。 本発明の第１および第２の実施の形態における直線図の例である。 本発明の第１および第２の実施の形態におけるインデックス値を付与された直線の模式図である。 本発明の第１および第２の実施の形態における直線割当処理部５５０のｉｎｄｅｘ値を用いて輪郭と直線を対応させる処理の例を示した図である。 本発明の第２の実施の形態の構成を示すブロック図である。 本発明の第２の実施の形態における草木分類処理部８００の処理を示すフローチャートである。 本発明の第２の実施の形態における草と樹木とが分類された結果の例である。 本発明の第３の実施の形態の構成を示すブロック図である。 本発明の第３の実施の形態における道路検出部９１０の処理を示すフローチャートである。 本発明の第３の実施の形態における道路検出結果の例である。

符号の説明

１００ 入力手段
１１０ 出力手段
２００ ＤＢ手段
２１０ メッシュデータ記憶部
２２０ ＤＳＭ記憶部
３００ 候補抽出手段
４００ 地面処理手段
４１０ 情報処理部
４２０ 地面ノイズ除去部
５００ 建物処理手段
５１０ グレイスケール処理部
５２０ オブジェクト抽出処理部
５３０ 輪郭抽出処理部
５４０ 直線抽出処理部
５５０ 直線割当処理部
５６０ 屋上ノイズ除去部
７１０ 緑植生データ記憶部
７２０ ＤＥＭ記憶部
７４０ Ｓｃａｌｅ図記憶部
７５０ 二値図記憶部
７５１ オブジェクト記憶部
７６０ 輪郭図記憶部
７６１ 輪郭記憶部
７７０ 直線図記憶部
７７１ 直線記憶部
８００ 草木分類処理部
９１０ 道路検出部

Claims (27)

1. 画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いたピクセル毎の色解析により、画像中の特定領域候補をピクセル単位で抽出し、前記画像の領域に対応するピクセル毎の表面高さ情報とピクセル毎の基準面高さ情報とに基づいて、前記特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域をピクセル単位で検出し、除去することで特定領域を抽出する手段を有することを特徴とする特定領域自動抽出システム。
2. 前記特定領域候補の抽出は、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出するものであることを特徴とする請求項１記載の特定領域自動抽出システム。
3. 前記基準面高さ情報は、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出するものであることを特徴とする請求項１、または、２記載の特定領域自動抽出システム。
4. 前記ノイズ領域の検出は、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断することによるものであることを特徴とする請求項１乃至３のいずれかに記載の特定領域自動抽出システム。
5. 前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、前記ノイズ領域を検出し、除去することを特徴とする請求項１乃至４のいずれかに記載の特定領域自動抽出システム。
6. 前記オブジェクトの抽出は、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換することによるものであることを特徴とする請求項５記載の特定領域自動抽出システム。
7. 前記輪郭は、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出することで、直線を有するという特徴を持つことを特徴とする請求項５、または、６記載の特定領域自動抽出システム。
8. 前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類する手段を有することを特徴とする請求項１乃至７のいずれかに記載の特定領域自動抽出システム。
9. 表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出する手段を有することを特徴とする請求項１乃至８のいずれかに記載の特定領域自動抽出システム。
10. 情報処理装置が、画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いたピクセル毎の色解析により、画像の中の特定領域候補をピクセル単位で抽出し、前記画像の領域に対応するピクセル毎の表面高さ情報とピクセル毎の基準面高さ情報とに基づいて、前記特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域をピクセル単位で検出し、除去することで特定領域を抽出することを特徴とする特定領域自動抽出方法。
11. 前記特定領域候補の抽出は、情報処理装置が、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出するものであることを特徴とする請求項１０記載の特定領域自動抽出方法。
12. 前記基準面高さ情報は、情報処理装置が、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出するものであることを特徴とする請求項１０、または、１１記載の特定領域自動抽出方法。
13. 前記ノイズ領域の検出は、情報処理装置が、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断することによるものであることを特徴とする請求項１０乃至１２のいずれかに記載の特定領域自動抽出方法。
14. 情報処理装置が、前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、前記ノイズ領域を検出し、除去することを特徴とする請求項１０乃至１３のいずれかに記載の特定領域自動抽出方法。
15. 前記オブジェクトの抽出は、情報処理装置が、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換することによるものであることを特徴とする請求項１４記載の特定領域自動抽出方法。
16. 前記輪郭は、情報処理装置が、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出することで、直線を有するという特徴を持つことを特徴とする請求項１４、または、１５記載の特定領域自動抽出方法。
17. 情報処理装置が、前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類することを特徴とする請求項１０乃至１６のいずれかに記載の特定領域自動抽出方法。
18. 情報処理装置が、表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出することを特徴とする請求項１０乃至１７のいずれかに記載の特定領域自動抽出方法。
19. 情報処理装置に、画像中の特定領域の色範囲を定義する特定色範囲を設定された２以上の表色系を用いたピクセル毎の色解析により、画像の中の特定領域候補をピクセル単位で抽出し、前記画像の領域に対応するピクセル毎の表面高さ情報とピクセル毎の基準面高さ情報とに基づいて、前記特定領域候補から特定色範囲の色であるが特定領域ではないノイズ領域をピクセル単位で検出し、除去することで特定領域を抽出する処理を行わせることを特徴とするプログラム。
    
20. 前記特定領域候補の抽出は、情報処理装置に、画像中の各ピクセルを走査し、前記各ピクセルから取得したＲＧＢ（Ｒ：Ｒｅｄ「赤」、Ｇ：Ｇｒｅｅｎ「緑」、Ｂ：Ｂｌｕｅ「青」）色系の各要素の分量（Ｒ、Ｇ、Ｂ）の情報を変換して、ＨＳＢ（Ｈ：Ｈｕｅ「色相」、Ｓ：Ｓａｔｕｒａｔｉｏｎ「彩度」、Ｂ：Ｂｒｉｇｈｔｎｅｓｓ「明度」）色系の各要素の分量（Ｈ、Ｓ、Ｂ）の情報と、Ｌａｂ（Ｌ：Ｌｉｇｈｔｎｅｓｓ「明度」、ａ「赤−緑座標値」、ｂ「黄−青座標値」）色系の各要素の分量（Ｌ、ａ、ｂ）の情報とを算出し、ＨＳＢ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記画像から暫定特定領域候補を抽出し、Ｌａｂ色系の各要素の分量の値に対してあらかじめ設定された特定色範囲を用いた色解析により前記暫定特定領域候補から前記特定領域候補を抽出する処理を行わせるものであることを特徴とする請求項１９記載のプログラム。
21. 前記基準面高さ情報は、情報処理装置に、間隔の空いた点群に対応して与えられた標高データに基づいて、各ピクセルの位置に対応した連続的な地面の高さを算出する処理を行わせるものであることを特徴とする請求項１９、または、２０記載のプログラム。
22. 前記ノイズ領域の検出は、情報処理装置に、前記表面高さ情報と前記基準面高さ情報の差分があらかじめ定められた閾値以下、あるいは、あらかじめ定められた閾値以上であることを判断する処理を行わせることによるものであることを特徴とする請求項１９乃至２１のいずれかに記載のプログラム。
23. 情報処理装置に、前記特定領域候補、または、前記特定領域から、オブジェクトを抽出し、当該オブジェクトの輪郭の特徴に基づいて、前記ノイズ領域を検出し、除去する処理を行わせることを特徴とする請求項１９乃至２２のいずれかに記載のプログラム。
24. 前記オブジェクトの抽出は、情報処理装置に、前記画像をグレイスケール画像に変換し、当該グレイスケール画像を二値画像に変換する処理を行わせることによるものであることを特徴とする請求項２３記載のプログラム。
25. 前記輪郭は、情報処理装置に、前記オブジェクトから抽出した前記輪郭をインデックスで表記して登録し、前記輪郭から直線を抽出し、前記インデックスを用いて前記直線に対応する前記輪郭を抽出する処理を行わせることで、直線を有するという特徴を持つことを特徴とする請求項２３、または、２４記載のプログラム。
26. 情報処理装置に、前記表面高さ情報と基準面高さ情報の差分があらかじめ定められた下限閾値と上限閾値の範囲内にあるか否かにより、草と樹木とを分類する処理を行わせることを特徴とする請求項１９乃至２５のいずれかに記載のプログラム。
27. 情報処理装置に、表面高さ情報と基準面高さ情報との差分が０であることにより道路の部分を検出する処理を行わせることを特徴とする請求項１９乃至２６のいずれかに記載のプログラム。

Images